视频与音频数据集-动作识别 (ava)

数据集简介

主要数据内容包括： 大规模时空动作定位（Spatio-temporal Action Localization）视频数据 包含电影与公开视频中的多人行为视频片段数据 覆盖 80+ 原子级人体动作（Atomic Visual Actions）标注 提供人体 Bounding Box、动作类别与时间序列标注数据 支持多人物、多动作同时发生的复杂场景数据 提供动作、说话状态与音视频联合标注数据资源 支持的能力方向包括： 视频动作识别（Action Recognition）训练 时空动作检测与行为定位 多人物行为分析与场景理解 视频时序推理与长视频理解 Audio-Visual 多模态行为识别 Active Speaker Detection（说话人检测） Vision-Language-Action（VLA）模型训练 视频异常行为与复杂交互分析 适用于： 视频理解 AI 模型研发 智能监控与行为分析系统 多模态视频模型训练 人机交互与行为识别研究 视频 Benchmark 评测与算法验证 多模态时序数据训练与研究场景

数据质量